带乘法噪声回归估计模型在统计学及许多实际问题中具有重要的理论意义和应用价值.经典的核方法由于其带宽选择问题制约了它的应用范围.小波因其独特的时频局部分析能力被成功地应用于回归估计.受Donoho，Chaubey和Chesneau等人工作的启发，本文讨论一类带乘法噪声回归函数的小波估计.具体地，研究了基于独立样本小波估计器的Lp(1≤p＜∞)平均相合性，最优收敛阶以及强混条件下小波估计器Lp风险的收敛阶.　　首先，在不假定回归函数具有任何光滑性的条件下，基于独立样本研究了两种线性小波估计器的Lp平均相合性.这表明当样本容量充分大时，两种小波估计器都能任意逼近真实回归函数.　　其次，在Besov空间Bs/p,q中基于独立样本给出了小波估计器Lp风险的最优或次优（相差一个lnn因子的意义下最优）收敛阶.当(p)＞p时，线性小波估计器达到最优收敛阶;当1≤(p)≤p时，非线性小波估计器是最优或者次优的.另一方面，非线性小波估计器还是自适应的.数值实验支持了理论分析.　　最后基于强混样本讨论带乘法噪声回归函数小波估计器Lp风险的上界估计.结果表明:当(p)＞p时，线性与非线性小波估计器在相差一个lnn因子的意义下具有相同的收敛阶.当(p)≤p时，非线性小波估计器优于线性小波估计器，且该估计器是自适应的.与独立情形的收敛阶相比，当1≤p≤2时，两者相同;当p＞2时，强混条件下的收敛阶略低.